Représentation et codage de l information

Transcription

1 Représentation et codage de l information 1 Représentation des nombres : fondamentaux 1.1 Base de numération Un nombre N s exprime toujours dans une base de numération donnée. Par exemple, la base 10 est celle utilisée par l humain. Mais le nombre en lui même est indépendant de sa base de numération. D un point de vue mathématique, on peut convertir un nombre dans une autre base de numération, puis faire l opération inverse : le nombre est inchangé. En pratique, les ordinateurs représentent le nombre de façon finie, donc avec une précision limitée : En math : a + b a = b Sur une machine :... pas toujours! Par exemple : a = , b = Symboles et alphabets Le mot 2387 désigne un nombre exprimé en base 10. Avec un symbole d une base b, on pourra coder b valeurs. Avec n symboles d une base b, on pourra coder b n valeurs. Exemple : avec 3 symboles de l alphabet {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}, je peux coder 10 3 = 1000 valeurs différentes (0 à 999) Un entier naturel a une écriture unique (si on interdit les 0 à gauche) : 2387 = On peut généraliser cette notation à n importe quelle base b : (avec b > 0) p n = a i b i = a p b p a 2 b 2 + a 1 b 1 + a 0 b 0 i=0 1.3 Représentation en binaire Les ordinateurs travaillent en interne en binaire : l élément de base est le chiffre binaire, le bit (BInary digit). alphabet à deux symboles : a= { 0 ; 1 } Au niveau interne (électronique), ceci correspond à des niveaux de tensions : 0 : 0V 1 : niveau haut (en général, la tension d alimentation des circuits intégrés, 5V ou moins) Regroupement de bits Pour représenter plus d information (=des valeurs supérieures à 2), on associe plusieurs bits en parallèle. Avec n bits, on peut coder 2 n valeurs différentes. 2 bits 2 2 = 4 valeurs différentes (0 à 3) 3 bits 2 3 = 8 valeurs différentes (0 à 7) 8 bits 2 8 = 256 valeurs différentes (0 à 255) 16 bits 2 16 = valeurs différentes 32 bits 2 32 = valeurs différentes Arithmétique binaire Nombre de bits Terme anglais byte word double word Terme français octet mot double mot Les ordinateurs sont dotés d unités de calcul binaire. L algèbre binaire fonctionne de façon similaire à l algèbre en base = = = 10 (=2 en base 10) = 11 (=3 en base 10) Multiplier et diviser par 2 revient à décaler les bits. Division par 2 : /2 = /2 = 33 Multiplication par 2 : = = Codage binaire On parle de codage en binaire naturel : Valeur (base 10) Codage en binaire Dans un système informatique, les bits sont regroupés par 8. Un groupe de 8 bits s appelle un octet : 2 8 = 256 valeurs possibles, numérotées de 0 à 255. M S. Kramm/G. Jugand

2 = = ABED Notation : pour signifier la base hexadécimale, plusieurs notations peuvent être rencontrées. 0xABCD ; $ABCD ; ABCDh ; Changement de base de numération Conversion d une base 2 ou 16 en base 10 Le passage d une base b en base 10 se fait toujours de la même façon, par un développement de la série des puissances. Par exemple, en base 2 : source : J. Landré, IUT Troyes MSB (Most Significant Bit) : bit le plus signifiant, on dit bit de poids fort LSB (Least Significant Bit) : bit le moins signifiant, on dit bit de poids faible. 1.4 Hexadécimal : base 16 Le problème du binaire, c est qu il est difficile à appréhender par l humain. Par exemple : le nombre est-il plus grand ou plus petit que le nombre ? Pour représenter une valeur binaire à un humain, on a donc adopté une représentation en base 16 : l hexadécimal. Les 16 symboles sont les 10 du système décimal, plus les lettres A,B,C,D,E,F Symbole A B C D E F Valeur associée Question : Pourquoi la base 16, et pas la base 9 ou 14? Réponse : un symbole hexa correspond à quatre bits. (2 4 = 16) deux symboles hexa correspondent à huit bits = 1 octet. ( ) 2 = Exemple en base 16 : = = = Conversion en base 2 ou 16 (C3E) 16 = = = = 3134 Pour convertir un nombre n exprimé en base 10 dans une base b, il faut faire une succession de divisions par b, jusqu à ce que le résultat de la division soit inférieur à b. Exemple : soit la valeur 135, à convertir en base 2 : Intérêt de l hexadécimal Le codage hexadécimal permet une représentation plus compacte du binaire,et la conversion entre binaire et hexadécimal est très simple. binaire hexa : on regroupe les bits par groupe de 4, en partant de la droite. hexa binaire : on utilise la table précédente. Par exemple : = = ABCD Le premier chiffre correspond au résultat de la dernière division, et est par définition toujours un 1 (pour le binaire). On ajoute ensuite derrière les restes des M S. Kramm/G. Jugand

3 divisions précédentes : (135) 10 = ( ) Nombres réels Comment coder des décimales? Principe général : identique à celui utilisé pour les entiers, en étendant aux puissances négatives : avec : n = p a i b i i= q = a p b p a 2 b 2 + a 1 b 1 + a 0 b 0 + a 1 b 1 + a 2 b a q b q p : plus grande puissance positive du nombre, q : plus grande puissance négative du nombre. Exemple en base 10 : (3, 1415) 10 = Puissance négatives en base 2 On étend ce principe en base 2 aux puissances de 2 négatives : Par exemple, considérons la partie fractionnaire suivante : 0,125 Etape Résultat Bit poids 1 0,125 x 2 = 0, ,25 x 2 = 0, ,5 x 2 = , = (0, 001) 2 Remarque : en général, on arrive jamais à 1. On s arrête à un nombre de bits donné, correspondant à la représentation cherchée Caractère irrationel de la conversion Si un nombre N a un nombre de décimales fini dans une base b1, il peut avoir un nombre de décimales infini lorsqu il est exprimé dans une autre base b2. Par exemple : soit le nombre N = (0, 2) 10 à convertir en base 2 : Etape Résultat Bit poids 1 0,2 x 2 = 0, ,4 x 2 = 0, ,8 x 2 = 1, ,6 x 2 = 1, ,2 x 2 = 0, ,4 x 2 = etc. La valeur 0,2 est codée en binaire par 0, ( infinité de décimales). A retenir : Une représentation avec un nombre de symboles fini dans une base b1 n est qu une approximation du même nombre exprimé dans une autre base b2. Exemple : soit le nombre N = (0, 2) 10, qu on représente en binaire sur un nombre de bits n : Réels : conversion de base 10 en base 2 On traite séparemment partie entière et partie fractionnaire. Pour la partie entière, on procède comme ci-dessus. Pour la partie fractionnaire : On effectue une suite de multiplications par 2, jusqu à obtenir un 1. A chaque étape, on garde la partie entière, et on continue avec la partie fractionnaire du résultat. Puis on regroupe les bits dans l ordre d apparition. n N (base 2) N (base 10) 4 0,0011 0, , , , Représentation en virgule flottante Tout nombre N peut être représenté en virgule flottante, dans une base de numération quelconque b sous la forme : N = M b E M : Mantisse signée b : base de numération M S. Kramm/G. Jugand

4 E : Exposant (entier relatif) Exemples : N M b E 3, , , , , , Le problème est qu il peut y avoir plusieurs représentations possibles pour un même nombre : 3, = 31, = 0, Pour comparer des nombres, on ne peut pas ainsi comparer directement les mantisses et les exposants Normalisation de la représentation Afin d avoir une représentation unique d un nombre, on définit le concept de normalisation : on décale la virgule jusqu à avoir un seul chiffre à gauche de la virgule, et on ajuste l exposant en fonction du nombre de décalages. Décalage vers la gauche incrémentation de l exposant. Décalage vers la droite décrémentation de l exposant. Par exemple (avec b = 10) : = 2, M = 2, 5, E = 5 0, = 4, M = 4, 59, E = 6 2 Codage des informations 2.1 Pourquoi coder? Pour pouvoir être traité par un ordinateur, chaque élément d information va devoir être représenté par une valeur binaire. Le codage est fonction du contexte et de l information à traiter. On se limite ici au cas des nombres. A retenir : Un flot brut de bits sans information sur le code associé est inutilisable! ??? 2.2 Codage des entiers Pour coder des entiers, on utilise le codage binaire naturel, en spécifiant par des moyens annexes : le nombre de bits utilisés pour chaque symbole, l ordre dans lequel on envoie poids fort / poids faible (notion d endianess). Par exemple, le message suivant : pourra représenter : Si les valeurs sont codées sur 4 bits, le message aura une longueur de 8 mots et sera : 1 ;0 ;0 ;2 ;0 ;4 ;0 ;1 Si les valeurs sont codées sur 8 bits, le message aura une longueur de 4 mots et sera : 16 ;2 ;4 ;1 Si les valeurs sont codées sur 16 bits, le message aura une longueur de 2 mots et sera : 4098 ; Codage des entiers relatifs Pour encoder le signe, on réserve un bit, appelé le bit de signe, et qui sera toujours en position de poids fort (MSB). 0 : nombre positif, 1 : nombre négatif Plusieurs solutions sont envisageables pour coder les valeurs : Solution 1 : 1 bit de signe + binaire naturel : 4 = = Solution 2 : 1 bit de signe + complément à un : 4 = = Solution 3 : technique du complément à deux Le problème des méthodes 1 et 2, c est qu il y a deux représentations possibles pour 0 : 1. bit de signe + binaire naturel : = = bit de signe + complément à un : = = De plus, seul le complément à deux permet de faire de l arithmétique correcte avec la même unité de calcul Notation en complément à deux Cette représentation s entend pour un nombre de bits donné. Pour une valeur sur n bits, on dispose de n 1 bits pour coder la valeur (MSB : bit de signe). Si le nombre est positif : codage binaire classique. Si le nombre est négatif : on applique la technique du complément à deux : 1. Complémentation de tous les bits 2. Addition de 1 à la valeur obtenue Exemple : codage de la valeur -14 sur 8 bits : En binaire : = = ( ) 2 1. Complément à 1 : = Ajout de 1 : = = 0xF2 M S. Kramm/G. Jugand

5 Exemple : codage de la valeur -14 sur 16 bits : = ( ) 2 1. Complément à 1 : Ajout de 1 : = 0xFFF Intérêt du complément à deux Soit l opération : 5 + 4, sur 8 bits : binaire décimal Soit l opération : 5 4, sur 8 bits. Le processeur va en fait exécuter l opération : 5 + (-4) : binaire décimal Remarque : Le bit 1 en position 2 9 est la retenue, dont il ne faut pas tenir compte ici (calcul sur 8 bits) Plage de valeurs en complément à deux Rappel : en binaire naturel, pour n bits, on peut encoder 2 n valeurs, qui représentent les valeurs de 0 à 2 n 1. Par exemple, n = valeurs, de 0 à 255. En complément à deux, on ne dispose plus que de n 1 bits, mais on a toujours 2 n valeurs possibles, qui sont pour moitié positives et négative. Par exemple, n = valeurs positives et 128 valeurs négatives. Comme la valeur 0 est (arbitrairement) positive, l étendue de chaque zone est donc différente. Par exemple, si n = < N < Codage des réels Soit le nombre réel suivant, exprimé en base 2 : , Comment encoder cette valeur dans un ordinateur? Deux approches sont envisageables : Codage en virgule fixe : on impose un format, n bits pour la partie entière, m bits pour la partie fractionnaire. L inconvénient, c est que l erreur d arrondi est importante, de plus, on est vite limité pour stocker à la fois des nombres très grands très petits. Codage en virgule flottante : on utilise la notation N = M b E vue précedemment, et on assigne n bits pour coder M et m bits pour coder E, plus 1 bit pour le signe. Par défaut, les machines encodent en virgule flottante. Un nombre sera codé sous la forme N = M 2 E, avec : M : mantisse normalisée, E : exposant On pourra ainsi facilement comparer des nombres entre eux. En pratique, la grande majorité des machines modernes utilisent la norme IEEE 754 pour le codage des nombres. 2.5 Codage des caractères Différents codages sont utilisés et peuvent coexister dans le même système Code ASCII Inventé en 1963, il code les caractères latins non accentués uniquement. Il est défini sur 7 bits (128 valeurs, de 00h à 7Fh), même si en pratique il est toujours stocké sur un octet. Les caractères de numéro 0 à 31 (0 à 1Fh) et le 127 (7Fh) ne sont pas affichables ; ils correspondent à des commandes de contrôle de terminal informatique. Généralisation En complément à deux sur n bits, la valeur numérique aura une étendue de 2 n 1 à +2 n 1 1 M S. Kramm/G. Jugand

6 Mais ceci interdit par définition la rédaction d un document écrit par exemple en plusieurs langues Unicode A noter : pour le code de fin de ligne, deux codes ASCII sont utilisés : LF (Line Feed), saut de ligne, code 10 (0x0A) CR (Carriage Return), retour chariot, code 13 (0x0D) Dans les fichiers texte, on rencontre deux standards, qui peuvent poser des problèmes lors de transferts de fichiers entre machines. Certains OS (Windows) utilisent les 2 codes (CR suivi de LF). D autres (Linux, Mac OS X, etc.) n en utilisent qu un seul (LF). Pour pouvoir coder les caractères spécifiques de certaines langues (accents), on peut utiliser les 128 autres valeurs disponibles de l octet (0x80 à 0xFF). Le problème est que c est insuffisant pour coder tous les caractères de toutes les langues. Une solution consiste à utiliser la notion de page de code : on définit plusieurs jeu de caractères pour les valeurs entre 128 et 255, et on spécifie à l utilisateur quel jeu de caractère est utilisé. Unicode est un standard informatique qui permet des échanges de textes dans différentes langues, à un niveau mondial ( caractères couvrant 93 écritures). Chaque caractère abstrait est identifié par un nom unique et associé à un nombre entier positif appelé son point de code (différent de son codage!) L espace de codage est divisé en 17 zones de points de codes. Ces zones sont appelées plans. Le point de code est noté U+xxxx où xxxx est en hexadécimal, et comporte 4 à 6 chiffres. La transformation d un point de code passe par une représentation en UTF-8, UTF-16 ou UTF-32. Le nombre après UTF spécifie le nombre d octets minimal avec lequel un caractère est codé. Windows utilise en interne UTF-16 : chaque caractère est codé sur 2 octets. Linux utilise par défaut l UTF-8. L UTF-8 (le plus courant) est directement compatible avec l ASCII pour les 127 premières valeurs. Représentation binaire UTF-8 0xxxxxxx 110xxxxx 10xxxxxx 1110xxxx 10xxxxxx 10xxxxxx 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx Remarques : Signification 1 octet codant 1 à 7 bits 2 octets codant 8 à 11 bits 3 octets codant 12 à 16 bits 4 octets codant 17 à 21 bits Tout octet de bit de poids fort nul désigne un point de code assigné à un caractère ASCII, codé sur ce seul octet ; Tout octet de bits de poids fort valant 11 est le premier octet d une séquence représentant un point de code codé sur plusieurs octets ; Tout octet de bits de poids fort valant 10 est un des octets suivants d une séquence unique représentant un point de code codé sur plusieurs octets ; M S. Kramm/G. Jugand